CN112631269A - 自主移动机器人及自主移动机器人的控制程序 - Google Patents

Abstract

本发明涉及自主移动机器人及自主移动机器人的控制程序。一种自主移动机器人，包括：第一运算单元，其被配置为基于自身位置、移动体位置和移动体速度矢量来计算航线方向，该航线方向是自主移动机器人应当行进的方向；第二运算单元，其被配置为将自身位置、移动体位置、移动体速度矢量和路线方向输入训练模型中，并且从而计算估计位置，训练模型是已经被训练的模型，估计位置是估计自主移动机器人在不与移动体碰撞的情况下在预定时间后到达的位置；生成单元，其被配置为生成从估计位置到目的地的剩余路线；以及移动控制单元，其被配置为根据航线方向和剩余路线来控制到目的地的移动。

Description

自主移动机器人及自主移动机器人的控制程序

背景技术

本公开涉及自主移动机器人和用于自主移动机器人的控制程序。

使得多个自主移动机器人中的每一个能够在一定环境下执行各自给定任务的技术已经众所周知。例如，已知一种技术，其中多个清洁机器人沿彼此不同的路线移动时执行清洁。此外，已知一种技术，用于在移动体移动时防止其与移动障碍物碰撞(例如，参见日本未经审查的专利申请公开第2014-123348号)。

发明内容

当在人与自主移动机器人共存的环境中执行任务时，有必要不仅防止自主移动机器人与其他自主移动机器人碰撞，而且还防止与人碰撞。然而，在诸如火车站或机场的拥挤环境中，自主移动机器人必须避免(即，绕着)诸如行人的许多移动体，并且因此它们的自主移动非常困难。特别地，当移动机器人必须避开许多移动体时，试图避开它们的移动机器人不断地偏离到目的地的原始移动路线，从而使得难以即时更新移动路线。

为了解决这样的问题而做出了本公开，并且本公开的目的是提供一种即使在人群密集的环境中也能够平稳地移动到设定目的地的自主移动机器人。

第一示例性方面是一种自主移动机器人，包括：认定单元，其被配置为认定自主移动机器人的自身位置；检测单元，其被配置为检测在自主移动机器人附近移动的移动体的移动体位置和移动体速度矢量；第一运算单元，其被配置为基于自身位置、移动体位置和移动体速度矢量来计算航线方向，该航线方向是自主移动机器人应当行进的方向；第二运算单元，其被配置为将自身位置、移动体位置、移动体速度矢量和航线方向输入到训练模型中，并且从而计算估计位置，该训练模型是通过由使用教师的模拟进行学习来训练的模型，估计位置是估计自主移动机器人在不与移动体碰撞的情况下在预定时间后到达的位置；生成单元，其被配置为生成从估计位置到目的地的剩余路线；以及移动控制单元，其被配置为基于航线方向和剩余路线来控制到目的地的移动。根据具有上述配置的自主移动机器人，即使当自主移动机器人由于避免(即，绕着)移动体而偏离了计划的移动路线时，自主移动机器人也可以立即更新移动路线并平滑地到达目的地。此外，当检测单元在到目的地的移动期间新近检测到满足预定条件的移动体时，上述自主移动机器人可以更新估计位置和剩余路线。通过上述配置，自主移动机器人可以快速更新移动路线。

此外，在上述自主移动机器人中，第一运算单元可以计算多个候选航线方向。第二运算单元可以针对由第一运算单元计算出的多个航线方向中的每一个，计算估计位置。生成单元可以针对由第二运算单元计算出的多个估计位置中的每一个，生成剩余路线，针对所生成的剩余路线中的每一个执行评估计算，并且确定传递到移动控制单元的航线方向和剩余路线。由于可以使用训练模型高速地进行估计位置的计算，因此即使增加了航线方向的候选数，也不会延迟移动。因此，可以通过检查多个航线方向来确定更好的移动路线。在该过程中，训练模型还可以在沿着路线移动到估计位置的期间输出与移动体的接近度，并且生成单元可以通过使用接近度来执行评估计算。通过上述配置，可以在调整对行人的恐吓与有效移动之间的平衡的同时确定移动路线。

此外，在上述自主移动机器人中，第一运算单元可以基于评估函数来计算航线方向，该评估函数包括以下事实作为评估项：与移动体的距离长的事实；以及自主移动机器人跟随移动体的移动方向的事实。作为自主移动机器人不与移动体碰撞的平滑航线，不仅可以采取自主移动机器人远离自主移动机器人应避开的移动体的方向，还可以采用自主移动机器人跟随移动体移动的方向。在该过程中，第一运算单元可以在考虑到目的地的方向的同时计算航线方向。通过以这种方式确定航线方向，期望可以减少到达目的地所需的时间。

第二示例性方面是一种非暂时性计算机可读介质，其存储用于控制自主移动机器人的控制程序，该控制程序使计算机执行：检测步骤，其检测在自主移动机器人附近移动的移动体的移动体位置和移动体速度矢量；认定步骤，其当在移动到目的地期间执行的检测步骤中检测到满足预定条件的移动体时，认定自主移动机器人的自身位置；第一计算步骤，其基于自身位置、移动体位置和移动体速度矢量来计算航线方向，航线方向是自主移动机器人应当行进的方向；第二计算步骤，其将自身位置、移动体位置、移动体速度矢量和航线方向输入训练模型中，并且从而计算估计位置，训练模型是通过由使用教师的模拟进行的学习来训练的模型，估计位置是估计自主移动机器人在不与移动体碰撞的情况下在预定时间后到达的位置；生成步骤，其生成从估计位置到目的地的剩余路线；和移动控制步骤，其基于航线方向和剩余路线来控制到目的地的移动。根据由上述控制程序控制的自主移动机器人，即使自主移动机器人由于已避开了一个或多个移动体而偏离了计划的移动路线，自主移动机器人也可以立即更新移动路线并且平滑地移动到目的地。

根据本公开，可以提供一种即使在人群密集的环境中也能够平滑地移动到设定目的地的自主移动机器人。

根据下文给出的详细描述和附图，本公开的上述和其他目的、特征和优点将变得更加充分地理解，并且附图仅通过说明的方式给出，因此不应被认为是对本公开内容的限制。

附图说明

图1是根据实施例的自主移动机器人的外观的透视图；

图2是移动机器人的系统配置；

图3是用于说明移动机器人的期望性能的图和表；

图4是用于说明在避开行人时向目的地的自主移动的概念图；

图5是示出处理流程的功能框图；

图6是用于说明航线方向的候选的图；

图7是示出由于行人的影响而使航线偏移的状态的图；

图8是用于说明生成训练模型的处理的图；

图9是用于说明生成剩余路线的处理的图。

图10是用于说明根据另一示例的生成剩余路线的处理的图；和

图11是示出自主移动的处理流程的流程图。

具体实施方式

在下文中，将通过本公开的实施例描述本公开。然而，它们无意于限制根据权利要求的本公开的范围。此外，实施例中描述的所有部件/结构并非必须是解决问题的手段。

图1是根据本实施例的自主移动机器人100的外观的透视图。移动机器人100是自主移动到设定目的地的自主移动机器人的示例。移动机器人100主要包括可移动基座部110和主体部120。

可移动基座部110在其圆柱形壳体内支撑两个驱动轮111和一个脚轮112，驱动轮111和脚轮112中的每个均与行进表面接触。两个驱动轮111被布置成使得它们的旋转轴的中心彼此重合。每个驱动轮111彼此独立地由电动机(未示出)旋转地驱动。驱动轮111是用于使移动机器人移动的移动单元的示例。脚轮112是从动轮，并且被安置为使得其在垂直方向上从可移动基部110延伸的枢轴在轴向上将轮支撑在远离其旋转轴的位置。此外，脚轮112跟随可移动基座部110的移动，以沿可移动基座部110的移动方向移动。

例如，当两个驱动轮以相同的转速沿相同方向旋转时，移动机器人100笔直移动，而当两个驱动轮111以相同的转速沿彼此相反的方向旋转时，移动机器人111绕垂直轴旋转，该垂直轴大致穿过可移动基座部110的两个驱动轮的中心。即，通过控制两个驱动轮111中的每个的旋转方向和旋转速度，移动机器人100可以笔直移动并沿任意方向旋转。此外，移动机器人100还可以控制其躯干部121和可移动基座部110之间的相对旋转(方向或速度)，并且在连续地连续面对任意方向时机器人还可以直线移动和旋转。

可移动基座部110在其上表面的外围部分包括激光扫描仪132。激光扫描仪132以一定的步进角在水平面上扫描一定的范围，从而检测障碍物。稍后将详细描述激光扫描仪132的性能。

主体部120主要包括：躯干部121，其被安装在可移动基座部110的上表面；头部122，其被设置在躯干部121的上表面；以及臂123，其支撑在躯干部121的侧表面，以及手124，其被安置在臂123的末端。臂123和手124由电动机(未示出)驱动，并且以受控姿势抓握各种物体。图1示出了其中自主移动机器人抓握容器作为待输送物体的示例的状态。躯干部121能够通过电动机(未示出)的驱动力相对于可移动基部110绕垂直轴旋转。因此，移动机器人100还可以在保持其姿势(在该姿势下，抓握部抓握待输送的物体，并且移动机器人面向特定方向)的同时沿任意方向移动。在躯干部121中设置有控制箱190。控制箱190包括后述的控制单元、存储器等。

头部122主要包括立体相机131和显示面板141。立体相机131具有这样的配置，其中，具有相同视角的两个相机单元彼此远离地布置，并且输出由相应相机拍摄的图像的图像数据。立体相机131识别要抓握的物体，辅助激光扫描仪132等。

显示面板141例如是液晶显示面板，并且显示角色的面部作为图示，并且以文本形式或通过使用图标来显示关于移动机器人100的信息。通过在显示面板141上显示角色的面部，可以向在场并看到移动机器人100的人们提供仿佛显示面板141是伪面部的印象。此外，显示面板141在其显示表面上配备有触摸面板，因此它可以接收来自用户的指令输入。例如，当期望使移动机器人100将用户引导到特定地点时，用户通过操作触摸面板来选择与该任务相对应的菜单项。

头部122能够通过电动机(未示出)的驱动力相对于躯干部121绕垂直轴和绕水平轴旋转。因此，立体相机131可以拍摄(例如，拍照)位于任意方向上的物体。此外，显示面板141可以在任意方向上示出显示的内容。注意，在下面的描述中，如图所示，将移动机器人100移动的移动平面定义为xy平面，并且相对于该移动平面的垂直轴方向定义为z轴。

图2示出了自主移动机器人100的系统配置。控制单元200例如是CPU(中央处理单元)，并且被存储在例如设置在主体部120中的控制箱190中。可移动基座驱动单元210包括驱动电路和用于驱动驱动轮111的电动机。上身驱动单元220包括：驱动电路；和电动机，该电动机用于驱动包括臂123和手124的抓握部、躯干部121和头部122。

传感器单元130包括用于检测其他移动机器人、障碍物、在自主移动机器人附近存在的人、由移动机器人抓握并将被传送的物体等的各种传感器。此外，这些传感器以分布的方式被设置在可移动基部110和主体部120中。立体相机131和激光扫描仪132是传感器单元130中包括的组件。

存储器250是非易失性存储介质。例如，固态驱动器用于存储器250。除了用于控制可移动机器人100的移动、抓握动作等的控制程序之外，存储器250还存储用于控制和计算的各种参数值、功能、查找表等。特别地，存储器250存储训练模型251(将在后面描述)和环境地图252，环境地图中描述了自主移动机器人自主移动的环境。

通信IF 180是用于连接至外部装置的接口，并且包括例如用于与连接至网络的服务器(未示出)交换数据的无线LAN单元。移动机器人100通过通信IF 180从服务器获取训练模型251、环境地图252等。

控制单元200通过执行从存储器250加载的控制程序来执行对移动机器人100的整体控制和各种计算处理。此外，控制单元200还用作执行各种控制和与控制相关的各种计算的功能执行单元。作为功能执行单元，自主移动机器人包括认定单元201、检测单元202、第一运算单元203、第二运算单元204、生成单元205和移动控制单元206。

通过使用传感器单元130和环境地图252的输出，认定单元201认定自己的位置，即，移动机器人100的当前位置。检测单元202通过主要使用激光扫描仪132的输出检测在自主移动机器人附近移动的移动体的移动体位置和移动体速度矢量。

第一运算单元203根据由认定单元201认定的自身位置以及由检测单元202检测到的移动体位置和移动体速度矢量，计算航线方向，该航线方向是移动机器人100应行进的方向。第二运算单元204将由认定单元201认定的自身位置，由检测单元202检测到的移动体位置和移动体速度矢量，以及由第一运算单元203计算出的航线方向输入进入训练模型251，并且从而计算估计位置，即，估计自主移动机器人在不与移动体碰撞的情况下在预定时间后到达的位置。

生成单元205生成剩余路线，即，从第二运算单元204计算出的估计位置到目的地的路线。移动控制单元206基于由第一运算单元203计算出的航线方向和由生成单元205生成的剩余路线来控制可移动基座驱动单元210，以使自主移动机器人移动至目的地。稍后将描述每个功能执行单元的细节。

图3是用于说明本实施例的自主移动机器人100的期望性能的图和表。如上所述，通过执行独立的两轮驱动和躯干部的旋转，移动机器人100可以在任何方向上移动。移动控制单元206控制移动机器人100，使其以-1至1.5m/s的速度和-90至90deg/s的旋转角速度移动。作为激光测距仪的激光扫描仪132可以通过以0.25°的步进角连续进行扫描来检测在向前视角为240°且距离最大为30m的检测区域中的障碍物。检测单元202获得(即，接收)激光扫描仪132的输出，并且检测障碍物的位置(即，障碍物相对于移动机器人100的基准位置的相对坐标，其用作坐标系原点)。此外，检测单元202通过连续获得输出来检测(即，确定)障碍物是否正在移动。此外，当障碍物正在移动时，检测单元202将障碍物识别为移动体，并且在该时间点检测移动体的位置(移动体位置)和速度(移动体速度矢量)。

此外，认定单元201通过获得激光扫描仪132的输出和立体相机131的输出，检测环境中的一个或多个结构(例如，支柱、墙壁、架子等)并将检测结果与环境地图252进行比较来认定移动机器人100的当前位置(自身位置)。注意，认定单元201可以使用有关驱动轮111的旋转的信息，来自安装在环境中的传感器的信号等等。

图4是用于说明在避开行人的同时向目的地的自主移动的概念图。移动机器人100自主移动的环境的示例包括人和移动机器人共存的环境，并且还包括可能挤满行人的、诸如火车站或机场的公共空间。在这样的环境中，移动机器人100执行各种任务，诸如引导迷路的人并运送要被运送的物体。

与诸如柱子和墙壁的结构不同，在环境地图252中无法描述(例如，描绘)行人。因此，移动机器人100每次检测到可能与移动机器人自身发生碰撞的行人时，都会执行回避动作。注意，除了行人之外，移动体的示例还可以包括手推车、个人移动性、其他移动机器人等。然而，通过使用行人作为移动体的示例给出以下描述。

当在移动机器人100沿着计划路线700到达执行任务开始时计划的目的地790时，由激光扫描仪132检测到行人901至904时，将判断是否存在行人与移动机器人自身碰撞的可能性。具体地，移动机器人100将存在于沿移动机器人自身的行进方向设置的局部区域中并且具有在一定时间内不会离开局部区域的行人所处的速度矢量的行人识别为可能与移动机器人自身碰撞的对象行人。局部区域被设置为比检测区域窄的区域。注意，用于确定对象行人的条件是根据移动机器人100自主移动的环境的特性、移动机器人100的性能等预先设置的。

当行人901至904位于图4所示的位置并且以空心箭头所示的速度矢量移动时，移动机器人100可以选择(即，计划)黑色箭头P₁和P₂所示的航线方向。在黑色箭头P₁指示的航线方向的情况下，移动机器人可以生成避开路线711，沿该避开路线，移动机器人首先通过向行人901与行人902和903之间形成的间隙移动然后移动以稍微跟随行人901的移动而避开行人901至903。在黑色箭头P₂指示的航线方向的情况下，移动机器人可以生成避开路线712，沿该避开路线移动机器人通过朝向行人902和903与行人904之间形成的相对较大的空间移动而避开行人902。在该实施例中，当移动机器人100确定(即，计划)由黑色箭头指示的航线方向时，其估计位置移动机器人100将在预定时间之后到达的位置，并预先生成从估计位置到目的地790的剩余路线，以便移动机器人100可以顺利到达目的地790。

图5是示出处理流程的功能框图。每个功能块对应于以上参考图2描述的系统配置中的元件中的相应一个。传感器单元130的输出被供应到认定单元201和检测单元202。认定单元201通过将传感器单元130的输出与从存储器250读取的环境地图252进行比较来认定自己的位置(即，移动机器人的位置)。关于认定的自己的位置的信息被传递到第一运算单元203和第二运算单元204。

检测单元202获得传感器单元130的输出并且检测行人的位置和速度矢量。关于检测到的行人的位置和速度矢量的信息被传递到第一运算单元203和第二运算单元204以及移动控制单元206。第一运算单元203获得关于自身位置的信息以及关于行人的位置和速度矢量的信息，并为移动机器人自身应行进的航线方向计算一个或多个候选。只要满足预定条件，就可以计算多个候选。稍后将描述具体的计算方法。移动机器人自身应行进的航线方向的候选被传递到第二运算单元204和移动控制单元206。

第二运算单元204将关于自身位置的信息，关于行人的位置和速度矢量的信息以及移动机器人自身应行进的航线方向的候选输入到从存储器250中读取的训练模型251，并且从而计算估计移动机器人100到达预定时间之后的估计位置。当获得了移动机器人应该行进的航线方向的多个候选时，针对多个候选中的每一个计算估计位置。稍后将描述具体的计算方法。关于所计算的估计位置的信息被传递到生成单元205。

生成单元205获得关于估计位置的信息，并生成从估计位置到目的地790的剩余路线。当获得关于多个估计位置的信息时，针对多个估计位置中的每一个生成剩余路线。当生成多个剩余路线时，通过对多个剩余路线中的每一个进行评估计算来确定(即，选择)一个剩余路线。稍后将描述具体的计算方法。关于所生成和确定的剩余路线的信息被传递到移动控制单元206。

移动控制单元206获得关于所确定的剩余路线，与该剩余路线相对应的航线方向以及行人的位置和速度矢量的信息，并且通过基于获得的信息控制可移动基座驱动单元210来使移动机器人100移动。具体地，基于关于行人的位置和速度矢量的信息，移动机器人开始在所获得的航线方向上移动，并且在避开行人的同时继续行进，直到经过了针对其已经计算出估计位置的预定时间为止。然后，在经过预定时间之后，移动机器人执行移动控制以沿着剩余路线移动。

在该处理中，检测单元202周期性地检测行人的位置和速度矢量，并将检测结果传递给移动控制单元206。移动控制单元206根据检测到的状况执行回避动作。因此，在某些情况下，在预定时间之后，移动机器人可能无法到达估计位置，该估计位置是剩余路线的起点。然而，在这种情况下，在经过预定时间之后，移动机器人迅速校正实际路线以使其符合剩余路线。

此外，当移动机器人在沿航线方向开始移动之后的预定时间之前找到新的对象行人时，或者当移动机器人沿剩余路线开始移动之后找到新的对象行人时，其通过再次执行一系列处理，更新估计位置和剩余路线。当移动机器人更新估计位置和剩余路线时，它开始沿与新估计位置相对应的航线方向移动。

图6是用于说明航线方向的候选的图。如上所述，航线方向由第一运算单元203计算。注意，假设如图6所示，行人901至903作为对象行人存在。第一运算单元203获得由检测单元202检测到的行人901的位置(x₁，y₁)和速度矢量(xv₁，yv₁)、行人902的位置(x₂，y₂)和速度矢量(xv₂，yv₂)和行人903的位置(x₃，y₃)和速度矢量(xv₃，yv₃)。

期望将航线方向设定为在移动的行人附近不交叉。将描述航线方向的计算的示例。第一运算单元203根据行人的位置和速度矢量来计算一维可能性。然后，将采用所计算的一维可能性的最小值的方向定义为航线方向的候选。行人i的可能性定义如下。

[表达式1]

[表达式2]

在表达式中，r_i是从移动机器人100到行人I的距离；

是机器人坐标系中极坐标的偏角；

是目的地方向；θ是机器人坐标系中的行人i的位置方向(即到该位置的方向)；以及v_h是行人在从行人向移动机器人100的方向上的速度的分量。这些参数是根据位置(x_i，y_i)和速度矢量(xv_i，yv_i)计算的。此外，A和β是系数并且被预先调整。系数β根据参数r_i而变化。例如，当B和γ是常数系数时，它们的关系表示为β＝{B arctan(γ/r_i)}²。当有N个对象行人时，用于确定航线方向的一维可能性表示如下。

[表达式3]

[表达式4]

在P^obs的表达式中，行人所在的角度

成为可能性的峰。因此，行人之间的间隙成为可能性的谷，并且可以被提取为航线方向的候选。此外，在表达式(3)中，

定义如下。

[表达式5]

在表达式中，C是系数。通过仅添加

目的地方向上的可能性变为负，并且因此移动机器人100可以选择目的地方向。当移动机器人跟随行人时，远离移动机器人100移动的行人的位置方向

成为可能性的谷。因此，自主移动机器人100可以跟随远离该移动机器人移动的行人。对于一组H^obs＝{α₁ ^obs,α₂ ^obs,...,α_i ^obs}和一组H^vel＝{α₁ ^vel,α₂ ^vel,...,α_i ^vel}，其中的每一个都是如上所述获得的一组角度，并且在该角度处可能性取最小值，一组H^obs和一组H^vel的并集成为航线方向的候选。图6所示的示例示出了其中黑色箭头P₁和P₂分别被计算为H^obs和H^vel的状态。

例如，在许多情况下，即使移动机器人100将由黑色箭头P₁指示的方向确定为航线方向并开始移动，由于针对行人的移动机器人100已经执行了的避免碰撞的动作，移动机器人100实际上不能继续沿直线方向，因此实际移动偏离了直线方向。图7是示出由于行人的影响而改变航线的状态的图。

用虚线表示的计划路线721表示在移动机器人按计划笔直移动(即沿确定为航线方向的黑色箭头P₁所示的方向笔直移动)的情况下的轨迹。实线表示的实际路线731表示移动机器人100实际沿其移动的轨迹。每个轨迹上的圆圈表示单位时间Δt间隔的位置。

图7示出了以下事实：尽管移动机器人100试图沿着计划路线721移动，但是其采用了移动机器人试图尽可能多地阻止其靠近行人901的路线；以及作为结果，移动机器人偏离了计划路线721，并沿着实际路线731的轨迹移动。此外，图7示出：在时间T₃，即3×Δt之后，如果移动机器人已沿计划路线721行进，则移动机器人应已经到达位置(xD₃，yD₃)；但是，实际上，移动机器人已经到达位置(xR₃，yR₃)。

如上所述，即使确定了航线方向，但是预定时间之后(例如，稍后3×Δt)移动机器人实际到达的位置也会受到对象行人的位置和移动的影响(即改变)，因此很难准确计算位置。此外，它消耗大量的计算机资源，并且需要很长的计算时间以便不时地获取传感器数据并处理所获取的传感器数据。因此，如果在不时地识别状况时高速重复进行计算，则移动机器人100的移动速度降低并且平滑移动受到损害。因此，在该实施例中，引入了训练模型251。训练模型251在接收到移动机器人自身的位置以及行人的位置和速度矢量之后，输出估计位置，在该位置估计移动机器人将在预定时间之后到达。

首先，将描述直到生成训练模型251之前执行的学习过程的示例。在学习中，可以采用一种方法，用于根据预定算法自动确定移动机器人自身的移动，而无需操作员的干预。例如，可以采用一种算法，根据其通过计算在每个时间点(t＝T₀，T₁，T₂)参考图6如上所述的一维可能性来确定一个航向，并且移动机器人在单位时间Δt期间沿该方向笔直移动。根据不需要操作员干预的学习方法，可以在短时间内生成许多教师数据。然而，也可以采用涉及操作者的干预的方法。为了理解学习阶段，以下将描述涉及操作者的干预的方法。

图8示出用于说明生成训练模型的过程的图。通过执行模拟来进行学习，在该模拟中，操作员在学习终端300(例如，平板终端)中输入数据等。在时间t＝T₀的初始设置处，学习终端300的计算机随机地定位有限数量的行人(在图8中由行人A至C表示)，并且随机地设置其速度矢量(在图8中由空心箭头表示)。此外，计算机定位表示移动机器人100的移动机器人S自身(以下也称为自己的机器人S)。针对行人与自己的机器人之间的关系而计算出的一个航线方向(如上述那样设置)被确定，并用虚线表示与其对应的计划路线。

当开始模拟时，计算机以动画形式示出行人A至C从时间t＝T₀至T₁的移动。在预定的移动模式范围内随机确定行人的移动。例如，将移动速度确定在0.8至1.5m/s的范围内，并且根据设置的概率和设置的角度来周期性地改变移动方向。此外，当自己的机器人S在紧接的较早的时间点进入警告区域时，自己的机器人S可以减速，停止或开始在与进入方向相反的方向上移动。此外，当自己的机器人移动靠近行人的行进方向时，它降低了其移动速度。

当确定在时间t＝T₁行人A至C的位置时，动画暂时停止。然后，操作员观察行人A至C的状况，并通过使用触摸面板功能将自己的机器人S(即，表示自己的机器人S的符号)拖动到自己的机器人S应移动到的位置。根据移动机器人100的预期性能(或预期性能)来限制该操作中的移动。此外，取消了在与计划路线很大偏离的方向上的拖动。以这种方式，操作者在时间t＝T₁确定自己的机器人S的位置。

对于时间t＝T₁至T₂和时间t＝T₂至T₃的每个重复上述处理。当预定时间被设置为3×Δt时，在时间t＝T₃确定的自己的机器人S的位置变为在时间t＝T₀的初始设置的估计位置。即，在时刻t＝T₀的初始设置和由操作者确定的自己的机器人S的位置的组合构成一个教师数据。

由操作员创建的大量教师数据被提供给训练模型251，从而训练模型251被训练。如上所述生成的训练模型251通过服务器(未示出)从学习终端300发送到存储器250，并由此被存储在存储器250中。注意，预定时间可以被设置为例如时间长度为足够短，以使得由检测单元202检测到的对象行人的移动不会影响移动机器人100的移动。此外，可以根据移动机器人100自主移动所处的环境来调整预定时间。例如，可以在行人的移动速度较高的环境中(例如，在火车站的大厅中)缩短预定时间，并且在行人的移动速度较低的环境中可以增加预定时间(例如，在福利设施中)。此外，可以根据移动机器人100自主移动的环境来调整在模拟中使用的行人的移动模式。

第二运算单元204从存储器250读取已经通过使用上述教师数据进行训练的训练模型251，并使用读取的训练模型251。具体地，第二运算单元204将从认定单元201接收到的关于自身位置的信息(即，移动机器人的位置)，关于从检测单元202接收到的行人的位置和速度矢量以及从第一运算单元203接收到的航线方向的信息输入训练模型251中，并且从而在预定时间之后计算移动机器人100的估计位置。估计位置可以由相对于输入自身位置的坐标表示，或者可以由与原始位置的偏差量表示，即，当移动机器人沿航线方向笔直移动时移动机器人将到达的位置。

生成单元205接收关于由第二运算单元204计算出的估计位置的信息，并生成从估计位置到目的地790的剩余路线。图9示出用于说明生成剩余路线的过程的图。白色圆圈Pc₁表示在采用黑色箭头P₁作为航线方向的情况下经过预定时间之后的估计位置。不能获得预测路线741作为训练模型251的直接输出，而是表示期望移动机器人100沿其行进的轨迹。

在环境地图252中，示出了在估计位置Pc_l和目的地790之间的区域中存在障碍物981和982。作为在避开障碍物981和982时到达目的地790的路线，例如，如图9所示，发现候选Rc₁、Rc₂和Rc₃。在这些候选中，具有最小路线成本的路线被确定为剩余路线。对于路线的搜索和评估，例如，可以使用A*搜索算法。

当第一运算单元203输出关于航线方向的多个候选时，第二运算单元204针对多个航线方向中的每个计算经过预定时间之后的估计位置。图10示出了用于说明在计算航线的两个候选的情况下用于生成剩余路线的过程的图。

与图9类似，在采用黑色箭头P₁作为航线方向的情况下，白色圆圈Pc₁表示经过预定时间之后的估计位置，并且估计路线741表示预期移动机器人100沿其行进的轨迹。在采用黑色箭头P₂作为航线方向的情况下，白色圆圈Pc₂表示经过预定时间之后的估计位置，并且估计路线742表示预期移动机器人100沿其行进的轨迹。

如上所述，通过例如A*搜索算法来生成从估计位置Pc₁到目的地790的候选路线Rc_P1。类似地，也通过A*搜索算法生成路线Rc_P2，该路线Rc_P2是从估计位置Pc₂到目的地790的候选路线。此外，生成单元205通过采用箭头P₁作为航线方向，计算在移动机器人经由估计位置Pc₁沿着候选路线Rc_P1移动到目的地790的情况下的路线成本，以及通过采用箭头P₂作为航线方向，计算在移动机器人经由估计位置Pc₂沿着候选路线Rc_P2移动到目的地790的情况下的路线成本。

当选择了航线方向P₁时，生成单元205基于第二运算单元204的输出来生成预测路线741。类似地，生成单元205通过选择航线方向P₂来生成预测路线742。然后，对于移动机器人沿预测路线741和候选路线Rc_P1行进的情况以及移动机器人沿预测路线742和候选路线Rc_P2行进的情况中的每一个，生成单元205通过将移动距离、移动时间、航线的变化频率、与障碍物的接近度等用作评价项目来计算路线成本。生成单元205将具有较低路径成本的候选路径确定为传递到移动控制单元206的剩余路线。

通过配置训练模型251以输出估计位置并且还输出与行人的接近度，即，在移动机器人到达估计位置之前移动机器人与行人的有多接近，接近度也可以被采纳为评估项目。例如，可以将穿越行人的警告区域的次数用作接近度。在这种情况下，接近度越大，则设置的成本越高。通过采用这样的参数作为评价项目，可以在调整对行人的恐吓与有效移动之间的平衡的同时确定路线。

移动控制单元206基于关于从生成单元205接收的剩余路线的信息以及从第一运算单元203接收的与接收到的剩余路线相对应的航线方向之一，来驱动可移动基座驱动单元210。具体地，移动控制单元206根据移动控制单元206从检测中周期性地接收到的关于行人的位置和速度矢量的信息，开始在航线方向上移动移动机器人并且在避开行人时继续移动它。然后，在经过预定时间之后，移动机器人沿剩余路线移动。注意，在以上参考图9和图10描述的选择剩余路线中，基于路线成本进行评估计算。然而，可以通过使用其他评估参数来执行评估计算。

图11是示出自主移动的处理流程的流程图。当根据任务设置了目的地时，流程开始。注意，此处未提及与自主移动有关的处理以外的处理。然而，在必要时也适当地执行这样的处理。

在步骤S101中，控制单元160参考从存储器250读取的环境地图252来计划从当前位置到设置的目的地的移动路线。即，建立图4所示的计划路线700。在步骤S102中，移动控制单元206使移动机器人100沿着计划路线移动。在移动控制单元206执行移动控制时，检测单元202获取传感器单元130的输出并以规则的间隔检查在移动机器人附近移动的移动体的存在/不存在(步骤S103)。除非移动机器人发现在移动机器人附近移动的移动体(步骤S103：否)，否则它将继续移动直到到达目的地为止(步骤S110：否->步骤S102)。当移动机器人判断它已经到达目的地时，它完成移动的处理(步骤S110：是)。

当检测单元202在移动期间检测到移动体时(步骤S103：是)，处理进行到步骤S104，其中检测单元202判断检测到的移动体是否是移动机器人应避免的物体(即，应该转向)。具体地，检测单元202将存在于沿自己的机器人的行进方向设置的局部区域中并且具有速度矢量的移动体判断为移动机器人应避免的物体，该速度矢量将使该移动体在一定时间内不行进离开局部区域。当没有要避免的移动体时，处理进行到步骤S110。当存在要避免的移动体时，处理进入步骤S105。

在步骤S105中，认定单元201通过将传感器单元130的输出与从存储器250读取的环境地图252进行比较来认定自己的机器人的位置。在步骤S106中，第一运算单元203获得关于自己的机器人的位置的信息以及关于移动体的位置和速度矢量的信息，并计算自己的机器人应行进的航线方向的候选。在步骤S107中，第二运算单元204将关于自己的机器人的位置的信息，关于移动体的位置和速度矢量的信息，以及自己的机器人应当行进的航线方向的候选输入训练模型251中，并且从而计算估计移动机器人100预定时间之后到达的估计位置。

在步骤S108中，生成单元205生成从估计位置到目的地的剩余路线。当获得关于多个估计位置的信息时，生成单元205为多个估计位置中的每个估计位置生成剩余路线。当生成多个剩余路线时，通过对多个剩余路线中的每一个进行评估计算来确定(即，选择)一个剩余路线。

在步骤S109中，移动控制单元206获得关于所确定的剩余路线，与该剩余路线相对应的航线方向以及移动体的位置和速度矢量的信息，并且通过基于获得的信息而控制可移动基座驱动单元210来移动移动机器人100。具体地，基于关于行人的位置和速度矢量的信息，移动机器人开始在所获得的航线方向上移动，并且在避开行人时继续行进，直到经过了针对其已经计算出估计位置的预定时间为止。然后，在经过预定时间之后，移动机器人执行移动控制以沿着剩余路线移动。之后，处理进入步骤S110，在步骤S110中，移动控制单元206判断移动机器人是否已经到达目的地。当移动控制单元206判断移动机器人尚未到达目的地时，处理返回到步骤S102。当移动控制单元206判断移动机器人已经到达目的地时，它完成一系列处理。

根据本实施例的上述移动机器人100在检测到要避开的移动体时，计算经过预定时间后移动机器人将到达的估计位置，并且直到经过预定时间为止尽可能保持所确定的航线方向同时集中精力避开移动体。另外，由于估计位置是通过使用训练模型251来计算的，因此计算速度较高。因此，不需要不时地不间断地更新到目的地的路线，因此移动机器人可以平稳且迅速地移动到目的地。然而，在移动机器人检测到在计算估计位置时未识别到的移动体并且可能在经过预定时间之前与移动机器人发生碰撞的移动体的情况下，可以通过再次计算航线方向、估计位置和剩余路线来更新它们。根据例如使用移动机器人100的环境，预先调整并设置用于重新计算航线方向、估计位置和剩余路线的条件。

此外，在上述本实施例中，如以上参考图6所述，当确定航线方向时，在关注移动体之间的间隙时获得的一组H^obs和在关注移动体的后续运动时获得的一组H^vel用作候选。即，第一运算单元203基于评估函数来计算航线方向，该评估函数包括与移动体的距离长的事实和移动机器人跟随移动体的移动方向的事实作为评估项。通过将它们两者都作为评估项目，不仅可以采用移动机器人远离要避免移动体的方向，而且可以采用机器人跟随移动体的移动的方向以避免移动体。因此，可以以各种方式生成路线。但是，可以基于其中之一来确定航线方向。此外，当其中之一中没有候选时，可以从其中另一个中选择候选。在任何情况下，都可以在考虑到目的地的方向时确定航线方向。通过选择接近目的地的方向的方向作为航线方向，期望可以减少到达目的地所需的时间。

可以使用任何类型的非暂时性计算机可读介质来存储程序并将其提供给计算机。非暂时性计算机可读介质包括任何类型的有形存储介质。非暂时性计算机可读介质的示例包括磁存储介质(诸如软盘、磁带、硬盘驱动器等)、光磁存储介质(诸如磁光盘)、CD-ROM(光盘只读存储器)、CD-R(可刻录光盘)、CD-R/W(可擦写光盘)和半导体存储器(诸如掩模ROM、PROM(可编程ROM)、EPROM(可擦除PROM)、闪存ROM、RAM(随机存取存储器)等)。可以使用任何类型的暂时性计算机可读介质将程序提供给计算机。暂时性计算机可读介质的示例包括电信号、光信号和电磁波。暂时性计算机可读介质可以通过有线通信线(例如电线和光纤)或无线通信线将程序提供给计算机。

根据如此描述的公开，将显而易见的是，可以以许多方式改变本公开的实施例。这样的变化不应被认为是背离本公开的精神和范围，并且对于本领域的技术人员显而易见的所有这样的修改旨在包括在所附权利要求的范围内。

Claims (8)

1.一种自主移动机器人，包括：

认定单元，所述认定单元被配置为认定所述自主移动机器人的自身位置；

检测单元，所述检测单元被配置为检测在所述自主移动机器人附近移动的移动体的移动体位置和移动体速度矢量；

第一运算单元，所述第一运算单元被配置为基于所述自身位置、所述移动体位置和所述移动体速度矢量来计算航线方向，所述航线方向是所述自主移动机器人应当行进的方向；

第二运算单元，所述第二运算单元被配置为将所述自身位置、所述移动体位置、所述移动体速度矢量和所述航线方向输入到训练模型中并且由此计算估计位置，所述训练模型是已通过利用教师由模拟所进行的学习来训练过的模型，所述估计位置是估计所述自主移动机器人在不与所述移动体碰撞的情况下在预定时间后到达的位置；

生成单元，所述生成单元被配置为生成从所述估计位置到目的地的剩余路线；以及

移动控制单元，所述移动控制单元被配置为基于所述航线方向和所述剩余路线来控制到所述目的地的移动。

2.根据权利要求1所述的自主移动机器人，其中，

当在到所述目的地的所述移动期间所述检测单元新近检测到满足预定条件的移动体时，所述自主移动机器人更新所述估计位置和所述剩余路线。

3.根据权利要求1或2所述的自主移动机器人，其中，

所述第一运算单元计算多个候选航线方向，

所述第二运算单元针对由所述第一运算单元计算出的多个航线方向中的每一个航线方向来计算估计位置，并且

所述生成单元针对由所述第二运算单元计算出的多个估计位置中的每一个估计位置来生成剩余路线，针对所生成的剩余路线中的每一个剩余路线来进行评估计算，并且确定被传递至所述移动控制单元的航线方向和剩余路线。

4.根据权利要求3所述的自主移动机器人，其中，

所述训练模型还在沿所述路线到所述估计位置的所述移动期间输出与所述移动体的接近度，并且

所述生成单元通过使用所述接近度来执行所述评估计算。

5.根据权利要求1至4中的任一项所述的自主移动机器人，其中，

所述第一运算单元基于评估函数来计算所述航线方向，所述评估函数包括以下事实作为评估项：

与所述移动体的距离长的事实，以及

所述自主移动机器人跟随所述移动体的移动方向的事实。

6.根据权利要求5所述的自主移动机器人，其中，

所述第一运算单元在考虑到所述目的地的方向的同时计算所述航线方向。

7.一种计算机可读介质，其存储用于控制自主移动机器人的控制程序，所述控制程序使计算机执行：

检测步骤，所述检测步骤检测在所述自主移动机器人附近移动的移动体的移动体位置和移动体速度矢量；

认定步骤，所述认定步骤用于当在到目的地的移动期间执行的所述检测步骤中检测到满足预定条件的移动体时，认定所述自主移动机器人的自身位置；

第一计算步骤，所述第一计算步骤基于所述自身位置、所述移动体位置和所述移动体速度矢量来计算航线方向，所述航线方向是所述自主移动机器人应当行进的方向；

第二计算步骤，所述第二计算步骤将所述自身位置、所述移动体位置、所述移动体速度矢量和所述航线方向输入到训练模型中并且由此计算估计位置，所述训练模型是已通过利用教师由模拟进行的学习所训练过的模型，所述估计位置是估计所述自主移动机器人在不与所述移动体碰撞的情况下在预定时间后到达的位置；

生成步骤，所述生成步骤生成从所述估计位置到所述目的地的剩余路线；以及

移动控制步骤，所述移动控制步骤基于所述航线方向和所述剩余路线来控制到所述目的地的所述移动。

8.一种通过使用计算机执行的控制自主移动机器人的方法，所述方法包括：

检测步骤，所述检测步骤检测在所述自主移动机器人附近移动的移动体的移动体位置和移动体速度矢量；

认定步骤，所述认定步骤用于当在到目的地的移动期间执行的所述检测步骤中检测到满足预定条件的移动体时，认定所述自主移动机器人的自身位置；

第一计算步骤，所述第一计算步骤基于所述自身位置、所述移动体位置和所述移动体速度矢量来计算航线方向，所述航线方向是所述自主移动机器人应当行进的方向；

第二计算步骤，所述第二计算步骤将所述自身位置、所述移动体位置、所述移动体速度矢量和所述航线方向输入到训练模型中并且由此计算估计位置，所述训练模型是已通过利用教师由模拟进行的学习所训练过的模型，所述估计位置是估计所述自主移动机器人在不与所述移动体碰撞的情况下在预定时间后到达的位置；

生成步骤，所述生成步骤生成从所述估计位置到所述目的地的剩余路线；以及

移动控制步骤，所述移动控制步骤基于所述航线方向和所述剩余路线来控制到所述目的地的所述移动。

Images